算法tensorflow车型 模型
机器学习的算法——线性回归
1.回归问题的定位 我们知道机器学习分为有监督学习和无监督学习，无监督学习主要是聚类方面的算法，而有监督问题主要分为回归和分类两类 而这线性回归就属于有监督学习，且属于其中的回归类问题，另外有一种逻辑回归，他却是属于分类问题的一部分。 2.线性回归 （1）大体思路 首先它是利用数理统计中的回归分析来 ......
【算法】【线性表】搜索旋转排序数组（有重复数据）
1 题目 跟进“搜索旋转排序数组”，假如有重复元素又将如何？是否会影响运行时间复杂度？如何影响？为何会影响？写出一个函数判断给定的目标值是否出现在数组中。 样例 1： 输入： A = [] target = 1 输出： false 解释：数组为空，1不在数组中。 样例 2： 输入： A = [3,4 ......
1.理论、算法、协议
1.CAP 理论 CAP 也就是 Consistency（一致性）、Availability（可用性）、Partition Tolerance（分区容错性） 这三个单词首字母组合。 在理论计算机科学中，CAP 定理（CAP theorem）指出对于一个分布式系统来说，当设计读写操作时，只能同时满足以 ......
直播系统源码，常见的混音算法有哪些？
声音是由于物体的振动对周围的空气产生压力而传播的一种压力波，转成电信号后经过抽样，量化，仍然是连续平滑的波形信号，量化后的波形信号的频率与声音的频率对应，振幅与声音的音量对应，在直播系统源码中，量化的语音信号的叠加等价于空气中声波的叠加，所以当采样率一致时，混音可以实现为将各对应信号的采样数据线性叠 ......
电台覆盖区域的贪心算法
1.贪心算法 电台覆盖区域求最优解问题 题目：假设存在如下表的需要付费的广播台，以及广播台信号可以覆盖的地区。 如何选择最少的广播台，让所有的地区都可以接收到信号 广播台 覆盖地区 K1 “北京”, “上海”, “天津” K2 “广州”, “北京”, “深圳” K3 “成都”, “上海”, “杭州” ......
饮冰十年-人工智能-FastAPI-03- FastAPI之模型迁移（类似Django的migrante）
在开发 Web 应用程序时，通常会涉及到数据库模型的更改，例如添加新的表、字段或索引。为了使这些更改反映在数据库中，我们使用数据库迁移工具。FastAPI 本身并不包含数据库迁移（migration）的功能，但你可以使用第三方库来处理数据库迁移。其中，Alembic 是一个常用的数据库迁移工具，可以 ......
最小费用组最大流——EK算法
时间复杂度O（nm^2)，理论上限 //n,m,s,t，分别代表该网络的点数n，网络的边数m，源点编号s，汇点编号t。 const int N=5010,M=100010,INF=1e8; int n,m,S,T; struct edge{int v,c,w,ne;}e[M]; int h[N],i ......
动手实现基于 JSON 和 OData 两种数据模型的 Web 应用表格控件行项目的添加和删除
文章标题描述的需求是笔者在工作和网络上经常收到的前端开发领域的咨询话题之一。Web 应用的表格控件，在切换到编辑模式下之后，给用户提供了行项目的添加和删除功能。基于 MVC 和 MVVM 框架的前端控件，都离不开 Model 即数据模型层。 笔者工作中使用最多的模型层实现技术，即 JSON 模型和 ......
Django 含有外键模型新增数据以及序列化
Django 含有外键模型新增数据以及序列化 Django 原生实现外键 class AppleModel(models.Model): id=models.AutoField(primary_key=True) app_name=models.CharField(max_length=50) cl ......
梯度下降算法
梯度下降是一种算法，可以用来找到成本函数的局部最小值。这里用线性回归来演示梯度下降算法，但梯度下降不仅仅适用于线性回归成本函数。 梯度下降中，有学习率 α、数学表示等概念 梯度下降是什么 单变量线性回归梯度下降 梯度下降通过逐步更新参数，一步一步达到局部最小值 每一步的更新操作是这样的： 这里要注意 ......
网络流 最大流 Dinic 算法
#define LL long long #define N 10010 #define M 200010 using namespace std; int n,m,S,T; //n,m,s,t，分别表示点的个数、有向边的个数、源点序号、汇点序号 struct edge{LL v,c,ne;}e[M ......
使用8卡3090微调llama2-70B模型
写在前面 很多问题尚未弄清，还在进一步调整 目前已知 我用8卡的3090 采用deepspeed ZeRO3进行运行，下面是deepspeed3的配置 1 { 2 "fp16": { 3 "enabled": "auto", 4 "loss_scale": 0, 5 "loss_scale_wind ......
Linux内核贡献成熟度模型 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/process/contribution-maturity-model.html Linux内核贡献成熟度模型 背景 作为2021年Linux内核维护者峰会的一部分，讨论了招募内核维护者以及维护者继任方面的挑战。其中一些结论包 ......
基于小波变换的分形信号r指数求解算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 基于小波变换的分形信号r指数求解算法是一种利用小波变换和分形理论对信号进行分析的方法。下面将详细介绍这种算法的原理和数学公式。 分形信号是一种具有自相似性的非周期信号，其局部和整体具有相似的特征。在分形信号的分析 ......
基于FPGA的图像缩小算法实现,包括tb测试文件和MATLAB辅助验证
1.算法运行效果图预览 将FPGA的处理结果导出到matlab中显示图像效果： 2.算法运行软件版本 vivado2019.2 matlab2022a 3.算法理论概述 图像放小算法主要通过抽取算法实现，常见的抽取算法最大值抽取，和均值抽取。其示意图如下所示： 以缩小一半为例，如果是最大值抽取，则在 ......
1文件+2个命令，无需安装，单机离线运行70亿大模型
1文件+2个命令，无需安装，单机离线运行70亿大模型 大家好，我是老章 最近苹果发布了自己的深度学习框架--MLX，专门为自家M系列芯片优化。看了展示视频，这个框架还能直接运行Llama 7B的大模型，在M2 Ultral上运行流畅。但是我尝试了一下，我的M2 Mac mini根本跑不动，模型权重太 ......
KMP算法
1.暴力匹配 暴力匹配算法的步骤如下： 遍历主串中的每个可能的起始位置，从第一个字符开始。 对于每个起始位置，逐个比较主串和模式串中对应位置的字符。 如果发现不匹配的字符，即主串和模式串中对应位置的字符不相等，将模式串向右移动一个位置，继续比较。 如果模式串完全匹配主串中的一段子串，即模式串的每个字 ......
网络流最大流Dinic算法
感谢董晓老师：博客，b站 /* Dinic算法的思路是，用bfs进行分层，限制后面dfs每次的搜索深度， 并且，在dfs的过程中，直接把当前这个路走到u的容量限制分给u的各个出边 */ #include <iostream> #include <algorithm> #include <cstrin ......
杂算法
update on 2023.11.17 NOIP前来复习板子，发现KMP整理的不是很到位，所以更新详细一些。 模板题 抽象的blog 浅显易懂的讲解视频：（dalao讲得太好了\(%%%\)） 备用网址 \(kmp\)（字符串匹配）的概念： 主串：被匹配的字符串 模式串：匹配的串 最长前后缀：一个 ......
二分——acwing算法基础课笔记
个人笔记，欢迎补充、指正。 此次完全以个人理解来写。 整数二分 整数二分有两种，分别是找左边界和找右边界。 寻找符合要求的左边界：绿色点 int bsearch_1(int l, int r) { while (l < r) { int mid = l + r >> 1;//对应下界，最左 if ( ......
数据结构与算法----------3
队列 队列也是一种受限制的线性表，只能在一端进行插入，在另一端进行删除。 当然也有一种特殊的队列，名叫双端队列，也就是一段既可以插入也可以删除，在另一端也可以插入和删除。这就是双端队列。 队列的顺序实现(非环形数组) 代码实现 //队列的顺序实现(非环形数组) #define _CRT_SECURE ......
数据结构与算法---------2
栈 栈是一个具有一定操作约束的线性表，只能在一端(栈顶，top)做插入和删除。 栈的顺序实现 //栈的顺序实现 #define _CRT_SECURE_NO_WARNINGS #include <stdio.h> #include <stdlib.h> #include <string.h> #in ......
大模型的事实核查测试&测试用例
大模型事实核查测试介绍 大模型的事实核查维度主要包括以下几个方面： 事实理解：大模型需要能够理解事实陈述中的事实信息，包括事实的主体、客体、属性、关系等。 知识推理：大模型需要能够根据事实信息进行推理，从而得出新的事实信息。 语言生成：大模型需要能够生成准确的事实陈述，以回答事实核查问题。 具体来说 ......
React diff 算法详解
代码参照 React 16.13.1 什么是 Diff 在render阶段的beginWork函数中，会将上次更新产生的 Fiber 节点与本次更新的 JSX 对象（对应ClassComponent的this.render方法返回值，或者FunctionComponent执行的返回值）进行比较。根据 ......
Vue3 diff算法详解
Diff 更新算法 由于目前Vue3对于性能的优化做了很多的处理，所以其在更新时并不会对所有的节点都进行diff更新。目前会进行diff更新的有以下两种情况： v-for容器节点 自写的render()函数 还有一种特殊情况会进行无diff的按序更新，这种更新是全替换模式，非常耗时： 无key值的v ......
Vue2 的 diff 算法详解
所谓 diff 算法，就是通过比对新旧两个虚拟节点不一样的地方，针对那些不一样的地方进行新增或更新或删除操作。接下来详细介绍节点更新的过程。 首先进行静态节点处理，判断新旧两个虚拟节点是否是静态节点，如果是，就不需要进行更新操作，可以直接跳过更新比对的过程 。 再更新处理新老节点的属性，获取新老节点 ......
在pytorch中保存模型或模型参数
在 PyTorch 中，我们可以使用 torch.save 函数将 PyTorch 模型保存到文件。这个函数接受两个参数：要保存的对象（通常是模型），以及文件路径。 保存模型参数 import torch import torch.nn as nn # 假设有一个简单的模型 class Simple ......
遥遥领先GPT-4！谷歌最强AI大模型Gemini 1.0发布
在5月举行的开发者大会上，谷歌首次透露其正在开发的AI大模型Gemini，时隔7个月，Gemini终于来了。 据谷歌官方公众号消息，谷歌日前正式发布Gemini 1.0，这是谷歌迄今为止构建的最强大、最通用、最灵活的模型。 据介绍，针对不同场景，谷歌发布了三种不同版本： Gemini Ultra：谷 ......
tornado框架之模型绑定
模型绑定有两个主要功能： 自动生成html表单 用户输入验证 在之前学习的Django中为程序员提供了非常便捷的模型绑定功能，但是在Tornado中，一切需要自己动手！！！ 1 <!DOCTYPE html> 2 <html lang="en"> 3 <head> 4 <meta charset=" ......